3,583 papers
arXiv:2606.28978 72 27 июня 2026 г. PRO

Демографическое смещение LLM: все популярные модели 2024+ предвзяты при оценке людей по именам

КЛЮЧЕВАЯ СУТЬ
Парадокс: разработчики моделей заметили про-белый перекос и подкрутили настройку — и маятник качнулся в другую сторону. Теперь имена из меньшинств чаще получают одобрение от LLM. Не потому что контент лучше. Потому что настройка изменилась. Анонимизация имён до подачи в модель позволяет получать оценки только по содержанию — без влияния демографии. Замени имена на коды «Кандидат А / Б / В» и убери косвенные маркеры — названия организаций с этническим контекстом. Модель не осознаёт что делает — она просто воспроизводит статистические паттерны из обучающих данных. Из 14 протестированных моделей по-настоящему нейтральными оказались только 2.
Адаптировать под запрос
📋 Дайджест исследования

Контент доступен только для PRO подписчиков

Чтобы получить доступ к дайджесту этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Контент доступен только для PRO подписчиков

Чтобы получить доступ к концептам этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO
📖 Простыми словами

Контент доступен только для PRO подписчиков

Чтобы получить доступ к упрощённому объяснению этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Работа с исследованием

Адаптируйте исследование под ваши задачи или создайте готовый промпт на основе техник из исследования.

0 / 2000
~0.5-2 N-токенов ~10-30с
~0.3-1 N-токенов ~5-15с